Problemática

Maria comenzó como agente de bienes raíces en Cali hace 10 años. Después de laborar dos años para una empresa nacional, se traslado a Bogotá y trabajó para otra agencia de bienes raíces. Sus amigos y familiares la convencieron de que con su experiencia y conocimientos del negocio debía abrir su propia agencia. Terminó por adquirir la licencia de intermediario y al poco tiempo fundó su propia compañía, C&A (Casas y Apartamentos) en Cali. Santiago y Lina, dos vendedores de la empresa anterior aceptaron trabajar en la nueva compaña. En la actualidad ocho agentes de bienes raíces colaboran con ella en C&A.

Actualmente las ventas de bienes raíces en Cali se han visto disminuidas de manera significativa en lo corrido del año. Durante este periodo muchas instituciones bancarias de ahorro y vivienda están prestando grandes sumas de dinero para la industria y la construcción comercial y residencial. Cuando el efecto producto de las tensiones políticas y sociales disminuya, se espera que la actividad económica de este sector se reactive.

Hace dos días, María recibió una carta solicitando asesoría para la compra de dos viviendas por parte de una compañía internacional que desea ubicar a dos de sus empleados con sus familias en la ciudad. Las solicitudes incluyen las siguientes condiciones:

Características	Vivienda 01	Vivienda 02
Tipo	Casa	Apartamento
Área construida	200	300
Parqueaderos	1	3
Baños	2	3
Habitaciones	4	5
Estrato	4 o 5	5 o 6
Zona	Norte	Sur
Crédito preaprobado	350 millones	850 millones

Ayude a María a responder la solicitud, mediante técnicas modelación que usted conoce. Ella requiere le envíe un informe ejecutivo donde analice los dos casos y sus recomendaciones (Informe). Como soporte del informe debe anexar las estimaciones, validaciones y comparación de modelos requeridos (Anexos) .

Pasos requeridos para la obtención de los resultados

Realice un filtro a la base de datos e incluya solo las ofertas de : base1: casas, de la zona norte de la ciudad. Presente los primeros 3 registros de las bases y algunas tablas que comprueben la consulta. (Adicional un mapa con los puntos de las bases. Discutir si todos los puntos se ubican en la zona correspondiente o se presentan valores en otras zonas, por que?).
Realice un análisis exploratorio de datos enfocado en la correlación entre la variable respuesta (precio de la casa) en función del área construida, estrato, numero de baños, numero de habitaciones y zona donde se ubica la vivienda. Use gráficos interactivos con el paquete plotly e interprete los resultados.
Estime un modelo de regresión lineal múltiple con las variables del punto anterior (precio = f(área construida, estrato, número de cuartos, número de parqueaderos, número de baños ) ) e interprete los coeficientes si son estadísticamente significativos. Las interpretaciones deber están contextualizadas y discutir si los resultados son lógicos. Adicionalmente interprete el coeficiente R2 y discuta el ajuste del modelo e implicaciones (que podrían hacer para mejorarlo).
Realice la validación de supuestos del modelo e interprete los resultados (no es necesario corregir en caso de presentar problemas, solo realizar sugerencias de que se podría hacer).
Con el modelo identificado debe predecir el precio de la vivienda con las características de la primera solicitud.
Con las predicciones del modelo sugiera potenciales ofertas que responda a la solicitud de la vivienda 1. Tenga encuentra que la empresa tiene crédito pre-aprobado de máximo 350 millones de pesos. Realice un análisis y presente en un mapa al menos 5 ofertas potenciales que debe discutir.
Realice los pasos del 1 al 6. Para la segunda solicitud que tiene un crédito pre-aprobado por valor de $850 millones.

Entregable

Informe ejecutivo con anexos soporte de las estimaciones publicado en RPubs - el enlace debe entregarse en la plataforma Bs.

Solución

1. Preprocesamiento de datos

1.1 Gestión de las bibliotecas necesarias

# Gestión de las bibliotecas necesarias
library(mice)

## 
## Attaching package: 'mice'

## The following object is masked from 'package:stats':
## 
##     filter

## The following objects are masked from 'package:base':
## 
##     cbind, rbind

library(knitr)
library(leaflet)
library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(ggplot2)
library(plotly)

## Warning: package 'plotly' was built under R version 4.3.3

## 
## Attaching package: 'plotly'

## The following object is masked from 'package:ggplot2':
## 
##     last_plot

## The following object is masked from 'package:stats':
## 
##     filter

## The following object is masked from 'package:graphics':
## 
##     layout

library(corrplot)

## corrplot 0.92 loaded

library(lmtest)

## Warning: package 'lmtest' was built under R version 4.3.3

## Loading required package: zoo

## Warning: package 'zoo' was built under R version 4.3.3

## 
## Attaching package: 'zoo'

## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric

library(car)

## Warning: package 'car' was built under R version 4.3.3

## Loading required package: carData

## 
## Attaching package: 'car'

## The following object is masked from 'package:dplyr':
## 
##     recode

1.2 Lectura del Dataset

# Lectura del Dataset
url <- "https://raw.githubusercontent.com/aperezn298/DatasetsPUJC/main/vivienda_faltantes.csv"
data_vivienda <- read.csv(url, sep = ",", header = TRUE)
head(data_vivienda)

##     id       zona piso estrato preciom areaconst parquea banios habitac
## 1 8312 Zona Oeste    4       6    1300       318       2      4       2
## 2 8311 Zona Oeste    1       6     480       300       1      4       4
## 3 8307 Zona Oeste   NA       5    1200       800       4      7       5
## 4 8296   Zona Sur    2       3     220       150       1      2       4
## 5 8297 Zona Oeste   NA       5     330       112       2      4       3
## 6 8298   Zona Sur   NA       5    1350       390       8     10      10
##          tipo           barrio longitud latitud
## 1 Apartamento         arboleda   -76576    3454
## 2        Casa        normandía   -76571    3454
## 3        Casa       miraflores   -76568    3455
## 4        Casa        el guabal   -76565    3417
## 5        Casa bella suiza alta   -76565    3408
## 6        Casa bella suiza alta   -76565    3409

1.3 Análisis exploratorio inicial

# Análisis exploratorio inicial
md.pattern(data_vivienda, rotate.names = TRUE)

##      preciom id zona estrato areaconst banios habitac tipo barrio longitud
## 4812       1  1    1       1         1      1       1    1      1        1
## 1912       1  1    1       1         1      1       1    1      1        1
## 877        1  1    1       1         1      1       1    1      1        1
## 726        1  1    1       1         1      1       1    1      1        1
## 1          1  0    0       0         0      0       0    0      0        0
## 2          0  0    0       0         0      0       0    0      0        0
##            2  3    3       3         3      3       3    3      3        3
##      latitud parquea piso     
## 4812       1       1    1    0
## 1912       1       1    0    1
## 877        1       0    1    1
## 726        1       0    0    2
## 1          0       0    0   12
## 2          0       0    0   13
##            3    1606 2641 4279

1.4 Imputación de registros para completar los datos faltantes

# Número de pisos
media_piso <- mean(data_vivienda$piso
                   [data_vivienda$piso != 0 & !is.na(data_vivienda$piso)], 
                   na.rm = TRUE)
media_piso <- round(media_piso)
data_vivienda <- data_vivienda %>% mutate(
  piso = ifelse (piso == 0 | is.na(piso), media_piso, piso))

# Estrato socioeconomico
media_estrato <- mean(data_vivienda$estrato
                      [data_vivienda$estrato != 0 & !is.na(data_vivienda$estrato)], 
                      na.rm = TRUE)
media_estrato <- round(media_estrato)
data_vivienda <- data_vivienda %>% mutate(
  estrato = ifelse(estrato == 0 | is.na(estrato), media_estrato, estrato))

# Número de parqueaderos
media_parquea <- mean(data_vivienda$parquea
                      [data_vivienda$parquea != 0 & !is.na(data_vivienda$parquea)], 
                      na.rm = TRUE)
media_parquea <- round(media_parquea)
data_vivienda <- data_vivienda %>% mutate(
  parquea = ifelse(parquea == 0 | is.na(parquea), media_parquea, parquea))

# Número de baños
media_banios <- mean(data_vivienda$banios
                     [data_vivienda$banios != 0 & !is.na(data_vivienda$banios)], 
                     na.rm = TRUE)
media_banios <- round(media_banios)
data_vivienda <- data_vivienda %>% mutate(
  banios = ifelse(banios == 0 | is.na(banios), media_banios, banios))

# Número de habitaciones
media_habitac <- mean(data_vivienda$habitac
                      [data_vivienda$habitac != 0 & !is.na(data_vivienda$habitac)], 
                      na.rm = TRUE)
media_habitac <- round(media_habitac)
data_vivienda <- data_vivienda %>% mutate(
  habitac = ifelse(habitac == 0 | is.na(habitac), media_habitac, habitac))

# Eliminar los registros incompletos
data_vivienda <- data_vivienda[complete.cases(data_vivienda), ]

1.5 Análisis exploratorio Final - dataset Normalizado

# Análisis exploratorio final
md.pattern(data_vivienda, rotate.names = TRUE)

##  /\     /\
## {  `---'  }
## {  O   O  }
## ==>  V <==  No need for mice. This data set is completely observed.
##  \  \|/  /
##   `-----'

##      id zona piso estrato preciom areaconst parquea banios habitac tipo barrio
## 8327  1    1    1       1       1         1       1      1       1    1      1
##       0    0    0       0       0         0       0      0       0    0      0
##      longitud latitud  
## 8327        1       1 0
##             0       0 0

2. Modelo Estadístico para la Vivienda 01

Características	Vivienda 01
Tipo	Casa
Área construida	200
Parqueaderos	1
Baños	2
Habitaciones	4
Estrato	4 o 5
Zona	Norte
Crédito preaprobado	350 millones

2.1 Filtrado del dataset (Casa - Zona Norte)

# Filtrado del dataset (Casa - Zona Norte)
data_vivienda_tipoUno <- subset(data_vivienda, tipo == "Casa" & 
                                  zona == "Zona Norte")

2.1.1 Verificación de datos únicos (Casa - Zona Norte)

# Verificación de datos únicos
unique(data_vivienda_tipoUno$tipo)

## [1] "Casa"

unique(data_vivienda_tipoUno$zona)

## [1] "Zona Norte"

2.1.2 Tabla de datos filtrados (Casa - Zona Norte)

# Tabla de datos filtrados (Casa - Zona Norte)
kable(head(vivienda_tipoUno,3), format = "markdown")

	zona	piso	estrato	preciom	areaconst	parquea	banios	habitac	tipo
78	Zona Norte	4	3	149	130	2	2	3	Casa
417	Zona Norte	7	4	670	470	4	5	5	Casa
460	Zona Norte	4	5	750	300	2	3	5	Casa

2.1.3 Gráfico de mapa de los datos filtrados (Casa - Zona Norte)

# Gráfico de mapa de los datos filtrados (Casa - Zona Norte)
data <- data.frame(
  zona = data_vivienda_tipoUno$zona,
  barrio = data_vivienda_tipoUno$barrio,
  longitud = data_vivienda_tipoUno$longitud,
  latitud = data_vivienda_tipoUno$latitud
)

map <- leaflet(data = data) %>%
  addTiles() %>%
  addCircleMarkers(lng = ~longitud, lat = ~latitud, 
                   popup = ~barrio, radius = 5,
                   color = ~case_when(
                     zona == "Zona Norte" ~ "#1E6BB8",
                     TRUE ~ "gray"
                   )) %>%
  setView(lng = -76.5225, lat = 3.4372, zoom = 12)

map

Análisis: El conjunto de datos filtrados por los criterios de zona norte y tipo de vivienda casa presenta una cantidad de registros etiquetados de manera incorrecta en relación a los valores de las propiedades de barrio y zona, los cuales no corresponden a las coordenadas de latitud y longitud presentes. Estas inconsistencias pueden afectar la credibilidad de la inmobiliaria y generar reprocesos con los clientes; debido a que la ubicación de la vivienda es un factor de influencia a la hora de la compra.

Por lo anterior, se procederá a eliminar las viviendas que no se encuentren en la zona norte de la ciudad del conjunto de datos filtrados, las cuales se han identificados por tener una latitud mayor a 3.44846 y una longitud mayor a -76.535507, según la información catastral del país.

# Eliminar las viviendas que no se encuentren en la zona norte
data_vivienda_tipoUno_filtrado <- data_vivienda_tipoUno[
  data_vivienda_tipoUno$longitud >= -76.535507,]
data_vivienda_tipoUno_filtrado <- data_vivienda_tipoUno_filtrado[
  data_vivienda_tipoUno_filtrado$latitud >= 3.44846,]

data <- data.frame(
  zona = data_vivienda_tipoUno_filtrado$zona,
  barrio = data_vivienda_tipoUno_filtrado$barrio,
  longitud = data_vivienda_tipoUno_filtrado$longitud,
  latitud = data_vivienda_tipoUno_filtrado$latitud
)

map <- leaflet(data = data) %>%
  addTiles() %>%
  addCircleMarkers(lng = ~longitud, lat = ~latitud, 
                   popup = ~barrio, radius = 5,
                   color = ~case_when(
                     zona == "Zona Norte" ~ "#1E6BB8",
                     TRUE ~ "gray"
                   )) %>%
  setView(lng = -76.5225, lat = 3.4372, zoom = 12)
map

2.2 Análisis exploratorio

2.2.1 Gráfico del Precio de la vivienda vs Área construida

# Precio de la vivienda vs Área construida
variable1 <- data_vivienda_tipoUno_filtrado$preciom
variable2 <- data_vivienda_tipoUno_filtrado$areaconst
precios <- c(0, 500, 1000, 1500, Inf)
colores <- c("#1E6BB8", "#114477", "#F1488A", "#8A083B")
colores_puntos <- sapply(variable1, function(x) colores[findInterval(x, precios)])

# Gráfico de dispersión
scatter_plot <- plot_ly(x = variable1, y = variable2, mode = "markers", 
                        type = "scatter", marker = list(size = 10, color = colores_puntos))
scatter_plot <- scatter_plot %>% layout(xaxis = list(title = "Precio"),
                                        yaxis = list(title = "Área construida"))
scatter_plot

2.2.2 Gráfico del Precio de la vivienda vs Estrato

# Precio de la vivienda vs Estrato
variable1 <- data_vivienda_tipoUno_filtrado$preciom
variable2 <- data_vivienda_tipoUno_filtrado$estrato
precios <- c(0, 500, 1000, 1500, Inf)
colores <- c("#1E6BB8", "#114477", "#F1488A", "#8A083B")
colores_puntos <- sapply(variable1, function(x) colores[findInterval(x, precios)])

# Gráfico de dispersión
scatter_plot <- plot_ly(x = variable1, y = variable2, mode = "markers", 
                        type = "scatter", marker = list(size = 10, color = colores_puntos))
scatter_plot <- scatter_plot %>% layout(xaxis = list(title = "Precio"),
                                        yaxis = list(title = "Estrato"))
scatter_plot

2.2.3 Gráfico del Precio de la vivienda vs Número de baños

# Precio de la vivienda vs Número de baños
variable1 <- data_vivienda_tipoUno_filtrado$preciom
variable2 <- data_vivienda_tipoUno_filtrado$banios
precios <- c(0, 500, 1000, 1500, Inf)
colores <- c("#1E6BB8", "#114477", "#F1488A", "#8A083B")
colores_puntos <- sapply(variable1, function(x) colores[findInterval(x, precios)])

# Gráfico de dispersión
scatter_plot <- plot_ly(x = variable1, y = variable2, mode = "markers", 
                        type = "scatter", marker = list(size = 10, color = colores_puntos))
scatter_plot <- scatter_plot %>% layout(xaxis = list(title = "Precio"),
                                        yaxis = list(title = "Número de baños"))
scatter_plot

2.2.4 Gráfico del Precio de la vivienda vs Número de habitaciones

# Precio de la vivienda vs Número de habitaciones
variable1 <- data_vivienda_tipoUno_filtrado$preciom
variable2 <- data_vivienda_tipoUno_filtrado$habitac
precios <- c(0, 500, 1000, 1500, Inf)
colores <- c("#1E6BB8", "#114477", "#F1488A", "#8A083B")
colores_puntos <- sapply(variable1, function(x) colores[findInterval(x, precios)])

# Gráfico de dispersión
scatter_plot <- plot_ly(x = variable1, y = variable2, mode = "markers", 
                        type = "scatter", marker = list(size = 10, color = colores_puntos))
scatter_plot <- scatter_plot %>% layout(xaxis = list(title = "Precio"),
                                        yaxis = list(title = "Número de habitaciones"))
scatter_plot

2.2.5 Gráfico del Precio de la vivienda vs Zona

# Precio de la vivienda vs Zona
data <- data.frame(
  precio = data_vivienda_tipoUno_filtrado$preciom,
  zona = data_vivienda_tipoUno_filtrado$zona,
  barrio = data_vivienda_tipoUno_filtrado$barrio,
  longitud = data_vivienda_tipoUno_filtrado$longitud,
  latitud = data_vivienda_tipoUno_filtrado$latitud
)

# Precios y colores
precios <- c(0, 500, 1000, 1500, Inf)
colores <- c("#1E6BB8", "#114477", "#F1488A", "#8A083B")

# Calcular tamaños de radio basados en los precios
tamanos_radio <- rep(5, nrow(data))  # Tamaño predeterminado
for (i in 1:(length(precios)-1)) {
  tamanos_radio[data$precio >= precios[i] & data$precio < precios[i+1]] <- i*2 + 5
}

# Colores basados en los precios
colores_radio <- rep(colores[1], nrow(data))
for (i in 1:(length(precios)-1)) {
  colores_radio[data$precio >= precios[i] & data$precio < precios[i+1]] <- colores[i]
}

# Crear el mapa
map <- leaflet(data = data) %>%
  addTiles() %>%
  addCircleMarkers(lng = ~longitud, lat = ~latitud, 
                   popup = ~precio, radius = ~tamanos_radio,
                   color = ~colores_radio) %>%
  setView(lng = -76.5225, lat = 3.4372, zoom = 12)

map

2.2.6 Mapa de correlaciones

# Mapa de correlaciones
matrizcor <- cor(data_vivienda_tipoUno_filtrado[, c("preciom", "areaconst", 
                                                    "estrato","banios", "habitac")])
corrplot (matrizcor, method = "color", addCoef.col = "#FFC300")

Teniendo en cuenta el análisis exploratorio y el mapa de correlaciones, se observa una asociación directa entre el precio de las viviendas y dos factores claves: el área construida y el estrato socioeconómico. Esta relación se destaca por su alta correlación, con un 73% entre el precio y el área construida, seguido de un 63% entre el precio y el estrato socioeconómico. Además, se identifica una conexión significativa entre la cantidad de baños y el número de habitaciones, con una correlación del 61%. Estas correlaciones destacadas ofrecen una comprensión valiosa de los factores que influyen en los precios de las viviendas, lo que puede ser fundamental para la toma de decisiones tanto en el ámbito inmobiliario como para los clientes.

2.3 Modelo de Regresión Lineal Múltiple

(precio = f(área construida, estrato, número de cuartos, número de parqueaderos, número de baños ) )

# Estimación de un modelo de regresión lineal múltiple
modelo_VT01 <- lm(preciom ~ areaconst + estrato + habitac + parquea + banios, 
                  data = data_vivienda_tipoUno_filtrado)
# Resumen del modelo
summary(modelo_VT01)

## 
## Call:
## lm(formula = preciom ~ areaconst + estrato + habitac + parquea + 
##     banios, data = data_vivienda_tipoUno_filtrado)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -767.63  -61.81  -19.82   35.98  938.48 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -224.75180   37.31874  -6.022 4.03e-09 ***
## areaconst      0.69178    0.05788  11.952  < 2e-16 ***
## estrato       75.46689    9.28840   8.125 6.24e-15 ***
## habitac        3.18316    5.53213   0.575   0.5654    
## parquea       30.80604    6.94802   4.434 1.21e-05 ***
## banios        19.29435    7.38098   2.614   0.0093 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 133.9 on 383 degrees of freedom
## Multiple R-squared:  0.6632, Adjusted R-squared:  0.6588 
## F-statistic: 150.9 on 5 and 383 DF,  p-value: < 2.2e-16

Este análisis de resultados se basa en un modelo de regresión lineal múltiple que intenta predecir el precio de una vivienda (preciom) utilizando múltiples variables predictoras, como el área construida (areaconst), el estrato, el número de habitaciones (habitac), el número de plazas de aparcamiento (parquea), y el número de baños (banios).

Coeficientes del Modelo:

Intercepto (Intercept): -224.75180
Área construida (areaconst): 0.69178
Estrato: 75.46689
Número de habitaciones (habitac): 3.18316
Número de parqueaderos (parquea): 30.80604
Número de baños (banios): 19.29435

Interpretación de los Coeficientes:

Intercepto: Representa el valor esperado de la variable de respuesta (precio de la vivienda) cuando todas las variables predictoras son cero. En este caso, indica que el precio esperado de la vivienda es de -224.75 millones de pesos, pero como es negativo, puede ser una indicación de que se necesitan otras variables o transformaciones para mejorar el modelo.

Área construida (areaconst): Por cada unidad adicional de área construida, el precio de la vivienda aumenta en promedio en 0.69178 millones de pesos, manteniendo las otras variables constantes.

Estrato: Cada incremento en una unidad del estrato está asociado con un aumento de $75.47 en el precio de la vivienda, manteniendo las demás variables constantes.

Número de habitaciones (habitac): Este coeficiente indica que el número de habitaciones no tiene una relación significativa con el precio de la vivienda, dado que el p-valor es mayor que 0.05. Por lo tanto, no se puede concluir que el número de habitaciones tenga un impacto significativo en el precio.

Número de parqueaderos (parquea): Por cada parqueadero adicional, el precio de la vivienda aumenta en promedio en 30.81 millones de pesos, manteniendo las otras variables constantes.

Número de baños (banios): Por cada baño adicional, el precio de la vivienda aumenta en promedio en 19.29 millones de pesos, manteniendo las otras variables constantes.

Estadísticas del Modelo:

Residual Standard Error: 133.9. Es una medida de la dispersión de los residuos alrededor de la línea de regresión. Indica cuánto varían los puntos de datos reales de las predicciones del modelo.

R-cuadrado Múltiple (Multiple R-squared): 0.6632. Esto significa que aproximadamente el 66.32% de la variabilidad en el precio de la vivienda puede ser explicada por las variables predictoras incluidas en el modelo.

R-cuadrado Ajustado (Adjusted R-squared): 0.6588. Es similar al R-cuadrado múltiple, pero ajustado para el número de predictores en el modelo. Ayuda a evitar la sobreestimación del rendimiento del modelo cuando se agregan más variables predictoras.

Estadístico F y p-valor: El estadístico F prueba si al menos una de las variables predictoras tiene un efecto significativo en la variable de respuesta. En este caso, el valor extremadamente bajo del p-valor (< 2.2e-16) indica que al menos una de las variables predictoras es significativa en la predicción del precio de la vivienda.

En resumen, el modelo parece ser significativo en general, con un R-cuadrado considerable. Sin embargo, algunas variables predictoras que podrían no ser significativas individualmente, como el número de habitaciones. Se sugiere realizar un análisis más detallado de las variables y considerar posibles transformaciones o ajustes en el modelo para mejorar su desempeño.

2.4 Validación de supuestos del modelo

2.4.1 Linealidad y Homocedasticidad de los Residuos:

# Gráfico de valores ajustados vs residuos
predicted <- predict(modelo_VT01)
residuals <- residuals(modelo_VT01)

plot_ly() %>%
  add_trace(x = ~predicted, y = ~residuals, type = "scatter", mode = "markers", 
            marker = list(color = "#1E6BB8")) %>%
  add_trace(x = predicted, y = rep(0, length(predicted)),
            type = "scatter", mode = "lines", line = list(color = "#04AA6D", 
                                                          dash = "dash")) %>%
  layout(title = "Gráfico de Valores Ajustados vs Residuos",
         xaxis = list(title = "Valores Ajustados"),
         yaxis = list(title = "Residuos"))

# Prueba de Breusch-Pagan
library(lmtest)
bptest(modelo_VT01)

## 
##  studentized Breusch-Pagan test
## 
## data:  modelo_VT01
## BP = 71.812, df = 5, p-value = 4.299e-14

Esta prueba evaluó si existe heterocedasticidad en los residuos del modelo. En este caso, el valor estadístico (BP) es 71.812 con 5 grados de libertad y un valor p muy pequeño (4.299e-14), lo que sugiere evidencia significativa de heterocedasticidad en los residuos.

2.4.2 Normalidad de los Residuos:

# Normalidad de los Residuos
shapiro.test(residuals)

## 
##  Shapiro-Wilk normality test
## 
## data:  residuals
## W = 0.80653, p-value < 2.2e-16

Esta prueba evaluó si los residuos se distribuyen normalmente. El valor p es menor que 0.05 (2.2e-16), lo que indica que los residuos no siguen una distribución normal.

2.4.3 Supuesto de Varianza Constante:

# Supuesto de Varianza Constante
gqtest(modelo_VT01)

## 
##  Goldfeld-Quandt test
## 
## data:  modelo_VT01
## GQ = 4.8983, df1 = 189, df2 = 188, p-value < 2.2e-16
## alternative hypothesis: variance increases from segment 1 to 2

Esta prueba evaluó si la varianza de los errores es constante en todo el rango de los datos. El valor p es menor que 0.05 (2.2e-16), lo que sugiere que hay evidencia de que la varianza no es constante.

2.4.4 Independencia de los errores:

# Independencia de los errores
dwtest(modelo_VT01)

## 
##  Durbin-Watson test
## 
## data:  modelo_VT01
## DW = 2.0395, p-value = 0.6383
## alternative hypothesis: true autocorrelation is greater than 0

Esta prueba evaluó si hay autocorrelación en los residuos. El valor p es mayor que 0.05 (0.6383), lo que sugiere que no hay evidencia de autocorrelación en los residuos.

2.4.4 Multicolinealidad:

# Multicolinealidad
par(mfrow = c(2, 2))
plot(modelo_VT01)

# Factores de inflación de la varianza (VIF)
vif(modelo_VT01)

## areaconst   estrato   habitac   parquea    banios 
##  1.737140  1.627608  1.838966  1.132528  2.190646

2.5 Predección del precio de la vivienda

# Para estrato = 4
nueva_vivienda_est_4 <- data.frame(
  areaconst = 200,
  parquea = 1,
  banios = 2,
  habitac = 4,
  estrato = 4
)

# Para estrato = 5
nueva_vivienda_est_5 <- data.frame(
  areaconst = 200,
  parquea = 1,
  banios = 2,
  habitac = 4,
  estrato = 5
)

#  obtener las predicciones del precio de la vivienda utilizando el modelo
prediccion_est_4 <- predict(modelo_VT01, newdata = nueva_vivienda_est_4, 
                            interval = "confidence")
print(prediccion_est_4)

##        fit      lwr      upr
## 1 297.5994 273.3677 321.8312

prediccion_est_5 <- predict(modelo_VT01, newdata = nueva_vivienda_est_5,
                            interval = "confidence")
print(prediccion_est_5)

##        fit      lwr      upr
## 1 373.0663 338.3382 407.7945

2.6 Potenciales ofertas que responda a la solicitud de la vivienda 1

# Filtrar el conjunto de datos con los criterios proporcionados
ofertas_vivienda_uno <- subset(data_vivienda_tipoUno_filtrado,
                               areaconst <= 200 &
                               parquea <= 1 &
                               banios <= 2 &
                               habitac <= 4 &
                               estrato <=5 &
                               preciom <= 350)

# Cantidad de viviendas que cumplen los criterios proporcionados
total_observaciones1 <- nrow(ofertas_vivienda_uno)
print(total_observaciones1)

## [1] 22

ofertas_tipo_uno = select(ofertas_vivienda_uno, -id, -zona, -tipo, -longitud, 
                          -latitud)
ofertas_tipo_uno <- ofertas_tipo_uno[order(ofertas_tipo_uno$preciom, 
                                           ofertas_tipo_uno$areaconst, 
                                           decreasing = TRUE),]
kable(head(ofertas_tipo_uno,5), format = "markdown")

	piso	estrato	preciom	areaconst	parquea	banios	habitac	barrio
2691	2	3	290	170.0	1	2	4	paseo de los
3128	4	4	280	103.5	1	2	3	ciudad los álamos
2808	1	3	270	196.0	1	2	4	calima
2982	1	3	230	120.0	1	2	4	salomia
2819	4	3	215	95.0	1	2	3	salomia

Análisis: Despues de analizar el modelo de regresión lineal múltiple detenidamente conforme a las necesidades del usuario que realizó la solicitud de vivienda número uno, se ha identificado que la propiedad que mejor se adapta a sus requerimientos es la casa con el iidentificador 2808, ubicada en el barrio Calima de estrato tres de la zona norte. Esta casa de un piso ofrece cuatro habitaciones, dos baños y un parqueadero, con una extensión total de 196 metros cuadrados. Su valor es de 270 millones de pesos. Aunque se han evaluado otros bienes inmuebles que cumplen con la mayoría de los criterios (22 inmuebles), estos difieren en estrato y en menor medida en área construida. Esta situación se debe a la ausencia de una propiedad en la base de datos que cumpla con todos los requisitos especificados.

3. Modelo Estadístico para la Vivienda 02

Características	Vivienda 02
Tipo	Apartamento
Área construida	300
Parqueaderos	3
Baños	3
Habitaciones	5
Estrato	5 o 6
Zona	Sur
Crédito preaprobado	850 millones

3.1 Filtrado del dataset (Apartamento - Zona Sur)

# Filtrado del dataset (Apartamento - Zona Sur)
data_vivienda_tipoDos <- subset(data_vivienda, tipo == "Apartamento" & 
                                  zona == "Zona Sur")

3.1.1 Verificación de datos únicos (Apartamento - Zona Sur)

# Verificación de datos únicos
unique(data_vivienda_tipoDos$tipo)

## [1] "Apartamento"

unique(data_vivienda_tipoDos$zona)

## [1] "Zona Sur"

3.1.2 Tabla de datos filtrados (Apartamento - Zona Sur)

# Tabla de datos filtrados (Apartamento - Zona Sur)
kable(head(vivienda_tipoDos,3), format = "markdown")

	zona	piso	estrato	preciom	areaconst	parquea	banios	habitac	tipo
7	Zona Sur	2	6	305	125	2	3	3	Apartamento
9	Zona Sur	4	5	275	74	1	2	3	Apartamento
10	Zona Sur	2	5	285	120	2	4	3	Apartamento

3.1.3 Gráfico de mapa de los datos filtrados (Apartamento - Zona Sur)

# Gráfico de mapa de los datos filtrados (Apartamento - Zona Sur)
data <- data.frame(
  zona = data_vivienda_tipoDos$zona,
  barrio = data_vivienda_tipoDos$barrio,
  longitud = data_vivienda_tipoDos$longitud,
  latitud = data_vivienda_tipoDos$latitud
)

map <- leaflet(data = data) %>%
  addTiles() %>%
  addCircleMarkers(lng = ~longitud, lat = ~latitud, 
                   popup = ~barrio, radius = 5,
                   color = ~case_when(
                     zona == "Zona Sur" ~ "#1E6BB8",
                     TRUE ~ "gray"
                   )) %>%
  setView(lng = -76.5225, lat = 3.4372, zoom = 12)

map

Análisis: El conjunto de datos filtrados por los criterios de zona sur y tipo de vivienda apartamento presenta una cantidad de registros etiquetados de manera incorrecta en relación a los valores de las propiedades de barrio y zona, los cuales no corresponden a las coordenadas de latitud y longitud presentes. Estas inconsistencias pueden afectar la credibilidad de la inmobiliaria y generar reprocesos con los clientes; debido a que la ubicación de la vivienda es un factor de influencia a la hora de la compra.

Por lo anterior, se procederá a eliminar las viviendas que no se encuentren en la zona norte de la ciudad del conjunto de datos filtrados, las cuales se han identificados por tener una latitud mayor a 3.41396 y una longitud fuera del rango de 76.509 y -76.551, según la información catastral del país.

# Eliminar las viviendas que no se encuentren segun los criterios
data_vivienda_tipoDos_filtrado <- data_vivienda_tipoDos[
  data_vivienda_tipoDos$longitud <= -76.509,]
data_vivienda_tipoDos_filtrado <- data_vivienda_tipoDos_filtrado[
  data_vivienda_tipoDos_filtrado$latitud >= -76.551,]
data_vivienda_tipoDos_filtrado <- data_vivienda_tipoDos_filtrado[
  data_vivienda_tipoDos_filtrado$latitud <= 3.41396,]

data <- data.frame(
  zona = data_vivienda_tipoDos_filtrado$zona,
  barrio = data_vivienda_tipoDos_filtrado$barrio,
  longitud = data_vivienda_tipoDos_filtrado$longitud,
  latitud = data_vivienda_tipoDos_filtrado$latitud
)

map <- leaflet(data = data) %>%
  addTiles() %>%
  addCircleMarkers(lng = ~longitud, lat = ~latitud, 
                   popup = ~barrio, radius = 5,
                   color = ~case_when(
                     zona == "Zona Norte" ~ "#1E6BB8",
                     TRUE ~ "gray"
                   )) %>%
  setView(lng = -76.5225, lat = 3.4372, zoom = 12)
map

3.2 Análisis exploratorio

3.2.1 Gráfico del Precio de la vivienda vs Área construida

# Precio de la vivienda vs Área construida
variable1 <- data_vivienda_tipoDos_filtrado$preciom
variable2 <- data_vivienda_tipoDos_filtrado$areaconst
precios <- c(0, 500, 1000, 1500, Inf)
colores <- c("#1E6BB8", "#114477", "#F1488A", "#8A083B")
colores_puntos <- sapply(variable1, function(x) colores[findInterval(x, precios)])

# Gráfico de dispersión
scatter_plot <- plot_ly(x = variable1, y = variable2, mode = "markers", 
                        type = "scatter", marker = list(size = 10, color = colores_puntos))
scatter_plot <- scatter_plot %>% layout(xaxis = list(title = "Precio"),
                                        yaxis = list(title = "Área construida"))
scatter_plot

3.2.2 Gráfico del Precio de la vivienda vs Estrato

# Precio de la vivienda vs Estrato
variable1 <- data_vivienda_tipoDos_filtrado$preciom
variable2 <- data_vivienda_tipoDos_filtrado$estrato
precios <- c(0, 500, 1000, 1500, Inf)
colores <- c("#1E6BB8", "#114477", "#F1488A", "#8A083B")
colores_puntos <- sapply(variable1, function(x) colores[findInterval(x, precios)])

# Gráfico de dispersión
scatter_plot <- plot_ly(x = variable1, y = variable2, mode = "markers", 
                        type = "scatter", marker = list(size = 10, color = colores_puntos))
scatter_plot <- scatter_plot %>% layout(xaxis = list(title = "Precio"),
                                        yaxis = list(title = "Estrato"))
scatter_plot

3.2.3 Gráfico del Precio de la vivienda vs Número de baños

# Precio de la vivienda vs Número de baños
variable1 <- data_vivienda_tipoDos_filtrado$preciom
variable2 <- data_vivienda_tipoDos_filtrado$banios
precios <- c(0, 500, 1000, 1500, Inf)
colores <- c("#1E6BB8", "#114477", "#F1488A", "#8A083B")
colores_puntos <- sapply(variable1, function(x) colores[findInterval(x, precios)])

# Gráfico de dispersión
scatter_plot <- plot_ly(x = variable1, y = variable2, mode = "markers", 
                        type = "scatter", marker = list(size = 10, color = colores_puntos))
scatter_plot <- scatter_plot %>% layout(xaxis = list(title = "Precio"),
                                        yaxis = list(title = "Número de baños"))
scatter_plot

3.2.4 Gráfico del Precio de la vivienda vs Número de habitaciones

# Precio de la vivienda vs Número de habitaciones
variable1 <- data_vivienda_tipoDos_filtrado$preciom
variable2 <- data_vivienda_tipoDos_filtrado$habitac
precios <- c(0, 500, 1000, 1500, Inf)
colores <- c("#1E6BB8", "#114477", "#F1488A", "#8A083B")
colores_puntos <- sapply(variable1, function(x) colores[findInterval(x, precios)])

# Gráfico de dispersión
scatter_plot <- plot_ly(x = variable1, y = variable2, mode = "markers", 
                        type = "scatter", marker = list(size = 10, color = colores_puntos))
scatter_plot <- scatter_plot %>% layout(xaxis = list(title = "Precio"),
                                        yaxis = list(title = "Número de habitaciones"))
scatter_plot

3.2.5 Gráfico del Precio de la vivienda vs Zona

# Precio de la vivienda vs Zona
data <- data.frame(
  precio = data_vivienda_tipoDos_filtrado$preciom,
  zona = data_vivienda_tipoDos_filtrado$zona,
  barrio = data_vivienda_tipoDos_filtrado$barrio,
  longitud = data_vivienda_tipoDos_filtrado$longitud,
  latitud = data_vivienda_tipoDos_filtrado$latitud
)

# Precios y colores
precios <- c(0, 500, 1000, 1500, Inf)
colores <- c("#1E6BB8", "#114477", "#F1488A", "#8A083B")

# Calcular tamaños de radio basados en los precios
tamanos_radio <- rep(5, nrow(data))  # Tamaño predeterminado
for (i in 1:(length(precios)-1)) {
  tamanos_radio[data$precio >= precios[i] & data$precio < precios[i+1]] <- i*2 + 5
}

# Colores basados en los precios
colores_radio <- rep(colores[1], nrow(data))
for (i in 1:(length(precios)-1)) {
  colores_radio[data$precio >= precios[i] & data$precio < precios[i+1]] <- colores[i]
}

# Crear el mapa
map <- leaflet(data = data) %>%
  addTiles() %>%
  addCircleMarkers(lng = ~longitud, lat = ~latitud, 
                   popup = ~precio, radius = ~tamanos_radio,
                   color = ~colores_radio) %>%
  setView(lng = -76.5225, lat = 3.4372, zoom = 12)

map

3.2.6 Mapa de correlaciones

# Mapa de correlaciones
matrizcor <- cor(data_vivienda_tipoDos_filtrado[, c("preciom", "areaconst", 
                                                    "estrato","banios", "habitac")])
corrplot (matrizcor, method = "color", addCoef.col = "#FFC300")

Teniendo en cuenta el análisis exploratorio y el mapa de correlaciones, se observan correlaciones significativas entre diversos factores y los precios de las viviendas. En particular, destaca una asociación directa entre el precio y el área construida, con una correlación del 75%, seguida por la relación entre el precio y el número de baños, con un 72%. Además, se observa una conexión importante entre el precio y el estrato socioeconómico, con un 67%. Estos hallazgos ofrecen una comprensión crucial para los profesionales del sector inmobiliario y los compradores, informando decisiones clave en el mercado.

3.3 Modelo de Regresión Lineal Múltiple

(precio = f(área construida, estrato, número de cuartos, número de parqueaderos, número de baños ) )

# Estimación de un modelo de regresión lineal múltiple
modelo_VT02 <- lm(preciom ~ areaconst + estrato + habitac + parquea + banios, 
                  data = data_vivienda_tipoDos_filtrado)
# Resumen del modelo
summary(modelo_VT02)

## 
## Call:
## lm(formula = preciom ~ areaconst + estrato + habitac + parquea + 
##     banios, data = data_vivienda_tipoDos_filtrado)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1174.43   -48.59     1.57    41.44   930.37 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -327.77338   18.40949 -17.805  < 2e-16 ***
## areaconst      1.38843    0.06391  21.725  < 2e-16 ***
## estrato       66.87089    3.68521  18.146  < 2e-16 ***
## habitac      -12.65029    4.73681  -2.671  0.00764 ** 
## parquea       60.26351    4.29339  14.036  < 2e-16 ***
## banios        50.17398    4.24631  11.816  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 98.79 on 1675 degrees of freedom
## Multiple R-squared:  0.7461, Adjusted R-squared:  0.7453 
## F-statistic: 984.2 on 5 and 1675 DF,  p-value: < 2.2e-16

Coeficientes del Modelo:

Intercepto (Intercept): -327.77338
Área construida (areaconst): 1.38843
Estrato: 66.87089
Número de habitaciones (habitac): -12.65029
Número de parqueaderos (parquea): 60.26351
Número de baños (banios): 50.17398

Interpretación de los Coeficientes:

Intercepto: Representa el valor esperado de la variable de respuesta (precio de la vivienda) cuando todas las variables predictoras son cero. En este caso, indica que el precio esperado de la vivienda es de -327.77 miles de pesos, lo cual podría necesitar una interpretación adicional debido a su valor negativo.

Área construida (areaconst): Por cada unidad adicional de área construida, el precio de la vivienda aumenta en promedio en 1.38843 miles de pesos, manteniendo las otras variables constantes.

Estrato: Cada incremento en una unidad del estrato está asociado con un aumento de 66.87 miles de pesos en el precio de la vivienda, manteniendo las demás variables constantes.

Número de habitaciones (habitac): Este coeficiente indica que el número de habitaciones no tiene una relación significativa con el precio de la vivienda, dado que el p-valor es menor que 0.05. Por lo tanto, no se puede concluir que el número de habitaciones tenga un impacto significativo en el precio.

Número de parqueaderos (parquea): Por cada parqueadero adicional, el precio de la vivienda aumenta en promedio en 60.26 miles de pesos, manteniendo las otras variables constantes.

Número de baños (banios): Por cada baño adicional, el precio de la vivienda aumenta en promedio en 50.17 miles de pesos, manteniendo las otras variables constantes.

Estadísticas del Modelo:

Residual Standard Error: 98.79. Es una medida de la dispersión de los residuos alrededor de la línea de regresión. Indica cuánto varían los puntos de datos reales de las predicciones del modelo.

R-cuadrado Múltiple (Multiple R-squared): 0.7461. Esto significa que aproximadamente el 74.61% de la variabilidad en el precio de la vivienda puede ser explicada por las variables predictoras incluidas en el modelo.

R-cuadrado Ajustado (Adjusted R-squared): 0.7453. Es similar al R-cuadrado múltiple, pero ajustado para el número de predictores en el modelo. Ayuda a evitar la sobreestimación del rendimiento del modelo cuando se agregan más variables predictoras.

En resumen, el modelo parece ser significativo en general, con un R-cuadrado considerable. Sin embargo, el número de habitaciones no parece tener una influencia significativa en el precio de la vivienda según el modelo. Se sugiere explorar más a fondo esta variable y considerar posibles ajustes o transformaciones para mejorar la interpretación del modelo.

3.4 Validación de supuestos del modelo

3.4.1 Linealidad y Homocedasticidad de los Residuos:

# Gráfico de valores ajustados vs residuos
predicted <- predict(modelo_VT02)
residuals <- residuals(modelo_VT02)

plot_ly() %>%
  add_trace(x = ~predicted, y = ~residuals, type = "scatter", mode = "markers", 
            marker = list(color = "#1E6BB8")) %>%
  add_trace(x = predicted, y = rep(0, length(predicted)),
            type = "scatter", mode = "lines", line = list(color = "#04AA6D", 
                                                          dash = "dash")) %>%
  layout(title = "Gráfico de Valores Ajustados vs Residuos",
         xaxis = list(title = "Valores Ajustados"),
         yaxis = list(title = "Residuos"))

# Prueba de Breusch-Pagan
library(lmtest)
bptest(modelo_VT02)

## 
##  studentized Breusch-Pagan test
## 
## data:  modelo_VT02
## BP = 697.61, df = 5, p-value < 2.2e-16

Esta prueba evaluó si existe heterocedasticidad en los residuos del modelo. En este caso, el valor estadístico (BP) es 697.61 con 5 grados de libertad y un valor p muy pequeño (2.2e-16), lo que sugiere evidencia significativa de heterocedasticidad en los residuos.

3.4.2 Normalidad de los Residuos:

# Normalidad de los Residuos
shapiro.test(residuals)

## 
##  Shapiro-Wilk normality test
## 
## data:  residuals
## W = 0.75614, p-value < 2.2e-16

Esta prueba evaluó si los residuos se distribuyen normalmente. El valor p es menor que 0.05 (2.2e-16), lo que indica que los residuos no siguen una distribución normal.

3.4.3 Supuesto de Varianza Constante:

# Supuesto de Varianza Constante
gqtest(modelo_VT02)

## 
##  Goldfeld-Quandt test
## 
## data:  modelo_VT02
## GQ = 3.976, df1 = 835, df2 = 834, p-value < 2.2e-16
## alternative hypothesis: variance increases from segment 1 to 2

3.4.4 Independencia de los errores:

# Independencia de los errores
dwtest(modelo_VT02)

## 
##  Durbin-Watson test
## 
## data:  modelo_VT02
## DW = 1.8364, p-value = 0.0003692
## alternative hypothesis: true autocorrelation is greater than 0

Esta prueba evaluó si hay autocorrelación en los residuos. El valor p es mayor que 0.05 (0.0003692), lo que sugiere que no hay evidencia de autocorrelación en los residuos.

3.4.4 Multicolinealidad:

# Multicolinealidad
par(mfrow = c(2, 2))
plot(modelo_VT02)

# Factores de inflación de la varianza (VIF)
vif(modelo_VT02)

## areaconst   estrato   habitac   parquea    banios 
##  1.985805  1.593786  1.434371  1.393724  2.567851

3.5 Predección del precio de la vivienda

# Para estrato = 4
nueva_vivienda_est_5 <- data.frame(
  areaconst = 300,
  parquea = 3,
  banios = 3,
  habitac = 5,
  estrato = 5
)

# Para estrato = 5
nueva_vivienda_est_6 <- data.frame(
  areaconst = 300,
  parquea = 3,
  banios = 3,
  habitac = 5,
  estrato = 6
)

#  obtener las predicciones del precio de la vivienda utilizando el modelo
prediccion_est_5 <- predict(modelo_VT02, newdata = nueva_vivienda_est_5, 
                            interval = "confidence")
print(prediccion_est_5)

##        fit     lwr      upr
## 1 691.1702 663.262 719.0785

prediccion_est_6 <- predict(modelo_VT02, newdata = nueva_vivienda_est_6,
                            interval = "confidence")
print(prediccion_est_6)

##        fit      lwr      upr
## 1 758.0411 729.8202 786.2621

3.6 Potenciales ofertas que responda a la solicitud de la vivienda 1

# Filtrar el conjunto de datos con los criterios proporcionados
ofertas_vivienda_Dos <- subset(data_vivienda_tipoDos_filtrado,
                               areaconst <= 300 &
                               parquea <= 3 &
                               banios == 3 &
                               (habitac == 4 | habitac == 5) &
                               (estrato == 5 | estrato == 6) &
                               preciom <= 850)

# Cantidad de viviendas que cumplen los criterios proporcionados
total_observaciones2 <- nrow(ofertas_vivienda_Dos)
print(total_observaciones2)

## [1] 92

ofertas_tipo_Dos = select(ofertas_vivienda_Dos, -id, -zona, -tipo, -longitud, 
                          -latitud)
ofertas_tipo_Dos <- ofertas_tipo_Dos[order(ofertas_tipo_Dos$areaconst, 
                                           ofertas_tipo_Dos$preciom, 
                                           decreasing = TRUE),]

kable(head(ofertas_tipo_Dos,5), format = "markdown")

	piso	estrato	preciom	areaconst	parquea	banios	habitac	barrio
7490	4	5	320	185	2	3	4	cuarto de legua
5216	4	5	320	181	2	3	4	el ingenio
6830	4	5	410	170	2	3	4	multicentro
6132	5	5	395	160	2	3	4	quintas de don
5873	12	5	450	148	2	3	4	quintas de don

Análisis: Despues de analizar el modelo de regresión lineal múltiple detenidamente conforme a las necesidades del usuario que realizó la solicitud de vivienda número dos, se ha identificado que los inmuebles que mejor se ajustan a sus requerimientos son los siguientes apartamentos: 7490, 5216, 6830, 6132 y 5873. Estos están ubicados en la zona sur de la ciudad y se caracterizan por ser de cuarto y quinto piso. Cada uno de ellos cuenta con cuatro habitaciones, tres baños y dos parqueaderos. Sus dimensiones oscilan entre 185 y 160 metros cuadrados, con un rango de precio entre 450 y 320 millones de pesos. Aunque se han evaluado otros inmuebles que cumplen en gran medida con los criterios establecidos, estos difieren principalmente en el área total construida y en la cantidad de parqueaderos. Esta variación se debe a la falta de una propiedad en la base de datos que cumpla con todos los criterios requeridos.

4. Anexos

Origen de Datos –> Clic Aquí

Código fuente –> Clic Aquí

5. Autor

Alvaro Perez Niño – Estudiante

Maestría en Ciencia de Datos

Universidad Javeriana - Cali

Código: 8986470

Email: aperezn892@javerianacali.edu.co

Evaluación de la Oferta Inmobiliaria Urbana

Alvaro Pérez Niño

Marzo de 2024

Problemática

Pasos requeridos para la obtención de los resultados

Entregable

Solución

1. Preprocesamiento de datos

1.1 Gestión de las bibliotecas necesarias

1.2 Lectura del Dataset

1.3 Análisis exploratorio inicial

1.4 Imputación de registros para completar los datos faltantes

1.5 Análisis exploratorio Final - dataset Normalizado

2. Modelo Estadístico para la Vivienda 01

2.1 Filtrado del dataset (Casa - Zona Norte)

2.1.1 Verificación de datos únicos (Casa - Zona Norte)

2.1.2 Tabla de datos filtrados (Casa - Zona Norte)

2.1.3 Gráfico de mapa de los datos filtrados (Casa - Zona Norte)

2.2 Análisis exploratorio

2.3 Modelo de Regresión Lineal Múltiple

Coeficientes del Modelo:

Interpretación de los Coeficientes:

Estadísticas del Modelo:

2.4 Validación de supuestos del modelo

2.5 Predección del precio de la vivienda

2.6 Potenciales ofertas que responda a la solicitud de la vivienda 1

3. Modelo Estadístico para la Vivienda 02

3.1 Filtrado del dataset (Apartamento - Zona Sur)

3.1.1 Verificación de datos únicos (Apartamento - Zona Sur)

3.1.2 Tabla de datos filtrados (Apartamento - Zona Sur)

3.1.3 Gráfico de mapa de los datos filtrados (Apartamento - Zona Sur)

3.2 Análisis exploratorio

3.3 Modelo de Regresión Lineal Múltiple

Coeficientes del Modelo:

Interpretación de los Coeficientes:

Estadísticas del Modelo:

3.4 Validación de supuestos del modelo

3.5 Predección del precio de la vivienda

3.6 Potenciales ofertas que responda a la solicitud de la vivienda 1

4. Anexos

5. Autor